Un rêve né derrière un écran

Maya avait neuf ans quand elle a tapé son premier « Hello, World! » — pas dans un manuel, pas sur un tableau noir, mais sur l'écran délavé d'un vieil ordinateur récupéré au marché aux puces. Ses doigts étaient plus petits que les touches, et pourtant elle sentait, pour la première fois, une vibration : ce n'était pas juste du texte qui apparaissait à l'écran, c'était une promesse. Le monde qu'elle voyait dehors — immeubles serrés, odeur de café brûlé, voisins qui se saluaient à mi-voix — se transformait quand elle appuyait sur Entrée. Un geste, un résultat. C'était presque de la magie.

Elle n'a jamais su exactement d'où venait cette urgence. Peut-être de sa mère, couturière, qui retapait les rêves à la main en morceaux d'étoffe. Peut-être de son père, qui démonterait n'importe quel appareil pour comprendre comment il respirait. Ou peut-être de la combinaison étrange entre curiosité et solitude : Maya aimait comprendre les systèmes, et coder lui permettait de parler au monde sans nuire à personne.

À l'adolescence, ses projets d'école se transformaient en mini-applications utiles — un gestionnaire de devoirs pour sa classe, un petit site pour vendre des bracelets faits maison, un script pour automatiser les playlists. Les profs la regardaient avec cet étonnement poli : « Elle est brillante, mais un peu farouche. » Les autres élèves la prenaient pour une nerd sympa. Elle, elle prenait tout cela comme un laboratoire : des idées, des comportements, des gens.

Les soirées passées devant l'écran étaient ponctuées de cafés, de playlists lo-fi et d'une playlist mentale de promesses. Elle se rappelait avoir dit, une fois, à voix haute, sans arrogance mais sans renoncement non plus : « Je veux créer quelque chose qui rende la vie plus simple — et plus belle — pour les autres. » Ce n'était pas une phrase de pitch, juste une confession au ventilateur du PC.

Le monde tech n'était pas tendre avec les jeunes femmes qui se montraient trop ambitieuses. Maya en avait conscience. Les premières fois où elle s'est retrouvée dans un atelier ou un forum de développeurs, il y avait cette sensation — subtile, mais réelle — d'être mesurée comme une exception. Pourtant, chaque refus, chaque doute, chaque regard un peu trop curieux lui a donné une seule chose : de la détermination.

Ses premiers projets n'avaient pas besoin d'investisseurs. Ils avaient besoin d'usagers. Elle lançait des prototypes, surveillait les interactions, lisait les erreurs comme on lit des indices. Très vite, elle comprit que son talent n'était pas seulement technique : c'était aussi une aptitude à écouter les gens, à traduire leurs petites frictions en solutions élégantes. L'interface, pour Maya, devait être un acte de gentillesse.

Ce rêve né derrière un écran — le désir de créer une startup tech portée par une vision humaine — grandit en elle sans faire de bruit. Et parce que la tech aime les histoires, il ne fallut qu'une idée, un mentor, et un hackathon pour mettre son plan en mouvement.

Genèse d’une idée

Maya avait choisi l'ingénierie parce que le monde lui semblait, à l'époque, une collection de problèmes fascinants. À l'université, entourée de tableaux blancs griffonnés, de nuits blanches à déboguer et de cafés tièdes, elle trouvait sa tribu. C'est là qu'elle rencontra Léa, professeure invitée et mentor sans titre officiel : une ancienne entrepreneuse reconvertie en enseignante, qui parlait peu mais visait juste. Léa remarqua l'attention de Maya pour les détails d'expérience utilisateur — pas seulement comment les choses fonctionnaient, mais comment elles faisaient sentir l'utilisateur.

Une après-midi de printemps, Léa entra dans le laboratoire avec une tasse de thé et un sourire détendu. « Tu as ce don, Maya, » dit-elle. « Tu vois le besoin avant qu'il n'ait un nom. Mais la tech n'est pas seulement un produit. C'est une histoire qu'on raconte. » Cette phrase devint, pour Maya, une boussole. L'idée — encore floue — se forma : créer un outil pour aider les développeurs et les petites équipes à prototyper plus vite, en se centrant sur la collaboration et la diversité des usages. Un outil qui prendrait en compte non seulement le code mais les contextes humains autour de lui.

Ses années d'étude lui donnèrent le socle technique : architectures, algorithmique, sécurité, et surtout la capacité d'apprendre vite. Mais la vraie transformation vint des discussions au coin d'un café universitaire, des rencontres avec des designers, des product managers, des étudiants internationaux qui racontaient leurs frustrations. Très vite, le concept prit du relief : un environnement de développement collaboratif, léger et orienté "dev experience", pensé pour les équipes mixtes et les femmes fondatrices startup qui cherchent à construire vite sans sacrifier l'éthique.

Maya commença à esquisser des wireframes sur des serviettes en papier. Elle misa sur l'open source — pas par dogmatisme, mais parce que l'open source, quand il est bien fait, démultiplie l'innovation tech. Elle imagina des intégrations simples vers GitHub Sponsors pour soutenir les contributeurs indépendants, des templates inclusifs pour réduire la friction des premières contributions, et une interface qui n'intimidait pas les personnes qui découvraient la programmation.

Léa n'était pas seulement une conseillère technique ; elle devint un catalyseur. Dans des réunions impromptues, elles affinaient la proposition de valeur, ajustaient le ton, cherchaient les bons mots pour parler aux investisseurs sans perdre l'âme du projet. « Pense aux personnes, pas aux personnes imaginaires sur des slides, » répétait Léa. Ce petit mantra s'infiltra dans la culture naissante du projet : chaque feature devait répondre à un problème réel et améliorer quelque chose pour quelqu'un.

Maya passa des mois à valider des hypothèses auprès d'amis, d'anciens camarades et d'utilisateurs précoces. Elle implémenta un premier prototype minimal, assez simple pour être maniable, assez sophistiqué pour démontrer l'idée. Le produit, encore brut, attira une petite communauté sur GitHub — des contributeurs timides, des suggestions pertinentes et quelques sponsors via GitHub Sponsors. Pour Maya, c'était la preuve que la route qu'elle empruntait avait un sens.

Elle s'inscrivit à quelques formations pour mieux préparer ses présentations : une en particulier, « Pitch like a Pro » sur Udemy, lui donna des structures pour raconter l'histoire du produit sans perdre l'humain derrière. Elle n'aimait pas l'idée de vendre une illusion ; elle voulait convaincre parce que l'idée était juste. Le mentorat, les retours terrain, et ces petits apprentissages transformèrent l'idée en une stratégie viable — une startup tech féminine, pensée pour l'innovation tech inclusive, prête à être présentée au monde.

Pitch et premiers refus

Avec un prototype en main et quelques tests concluants, Maya se sentit prête. Elle inscrivit son équipe à un hackathon local — un lieu où l'adrénaline remplace souvent la sagesse, mais où les bonnes idées trouvent vite un public. Le jour J, Maya monta sur scène avec une démonstration concise : un workflow clair, des tests utilisateurs en direct, et l'argumentaire qui comptait le plus pour elle : « Nous construisons un outil pour permettre aux équipes diverses d'itérer plus vite, et de faire en sorte que la diversité ne soit pas seulement un mot-clé, mais un avantage produit. »

La démo marcha mieux qu'elle ne l'avait espéré. Les testers souriaient, corrigeaient, proposaient. Le prototype, malgré ses limites, révélait son potentiel. Pourtant, le hackathon n'était pas une expérience magique : il y eut des erreurs en coulisses, des modules qui s'emmêlaient, des serveurs qui surchauffaient. Mais l'équipe improvisa, et la sincérité de la présentation toucha plusieurs personnes présentes.

Vint ensuite la phase redoutée : le pitch devant des investisseurs. Maya & co préparèrent un deck, structuré et simple. Ils utilisaient des mots-clés : « innovation tech », « femme fondatrice startup », « product–market fit », mais leur cœur restait l'utilisateur. Les premiers rendez-vous furent éducatifs — et parfois blessants. Certains investisseurs ne voyaient « qu'un outil de plus ». D'autres, d'emblée, jugeaient la taille du marché trop petite pour justifier un seed round. Les remarques allaient du technique (scalabilité, sécurité) au subjectif (est-ce que ce produit "colle" aux tendances ?).

Les refus se succédèrent. Au début, chaque non, chaque mail poli, se transformait en coup de poignard. Maya gardait pourtant une étonnante clarté : ces refus n'étaient pas des verdicts sur sa valeur personnelle. Ils étaient des informations commerciales. Elle transforma chaque critique en checklist : qu'est-ce qui manque ? Quel élément de preuve rassurerait un VC ? Parfois elle relisait les notes de sa formation « Pitch like a Pro » et réajustait l'histoire, les métriques, l'évidence.

Il y eut des moments d'absurdité : un investisseur qui insistait pour que le produit « vise uniquement les entreprises » alors que la force de Maya était l'hybridation entre petites équipes et entreprises. Un autre qui parlait de monétisation à coup de buzzwords, sans comprendre le fil humaniste du projet. Ces rencontres furent épuisantes, mais elles renforcèrent la stratégie : au lieu de chercher l'approbation de tous, Maya allait concentrer ses efforts sur les partenaires stratégiques qui comprenaient la mission.

Au fil des refus, l'équipe prit une décision courageuse : passer moins de temps à convaincre des financiers sceptiques et plus de temps à créer un prototype qui ne puisse être ignoré. Si les investisseurs n'achetaient pas l'histoire, ils devraient au moins acheter le produit. Cette conviction poussa Maya vers le hackathon suivant — pas pour le prix, mais pour la visibilité et la validation sociale.

Le hackathon qui change tout

Le hackathon qui changea la trajectoire du projet de Maya n'était pas un simple événement local. C'était une rencontre entre communautés open source, développeurs passionnés d'IA open-source, et petites entreprises à la recherche d'outils pratiques. Maya et son équipe décidèrent de jouer un coup osé : pivot partiel vers des intégrations IA open-source qui amélioreraient la collaboration entre devs — suggestions contextuelles, templates intelligents, et un assistant de pair-programming intégré.

La transition vers l'IA open-source fut instinctive. Ils n'avaient pas les moyens d'entraîner de vastes modèles, mais ils pouvaient assembler des composants existants, affiner les promptes, et offrir de la vraie valeur sans complexité inutile. L'idée séduisit : un prototype capable de proposer des corrections, des snippets, et des bonnes pratiques adaptées au contexte du projet. Le jury fut impressionné par la manière dont l'IA servait le flux de travail et non l'inverse.

Pendant le hackathon, quelque chose d'inattendu se produisit. Un participant, développeur chez une scale-up, utilisa le prototype pour résoudre un bug qui empoisonnait son équipe depuis des semaines. En trente minutes, la démonstration passa du théorique au concret. La vidéo de la session fut publiée, partagée, et commença à circuler sur des listes et des forums spécialisés. Les retours affluèrent : des bêta-testeurs se proposèrent, des maintainers open source envoyèrent des issues, et quelques développeurs déposèrent des sponsors via GitHub Sponsors pour soutenir le développement.

Les témoignages des premiers bêta-testeurs furent sincères et précis. Ils parlaient d'une interface qui rendait la collaboration plus douce, d'un assistant qui réduisait l'angoisse du commit, d'une onboarding qui ne jugeait pas. Ces retours servirent de preuves tangibles à Maya. Elle les transforma en contenus : études de cas, vidéos courtes, et posts techniques qui expliquaient non seulement le "quoi", mais aussi le "pourquoi".

Le buzz open-source permit aussi une stratégie de teasing intelligente : annoncer un outil de dev pensé pour l'inclusion, expliquer comment il pouvait s'intégrer à des workflows existants (CI/CD, GitHub, environnements cloud), et proposer une beta fermée accessible sur invitation. L'équipe utilisa GitHub Sponsors non seulement comme source de revenu direct, mais comme signal social : des contributeurs pouvaient être rémunérés, des mainteneurs pouvaient être soutenus, et le projet restait fidèle à l'écosystème open source.

Ce hackathon devint un basculement : soudain, le produit n'était plus une idée sur papier, ni un simple prototype. Il était un outil utilisé par de vraies équipes, publié, testé, encouragé. Et c'est là que les vrais regards commencèrent à changer. Les refus précédents des investisseurs se teintèrent d'une nuance : certains revinrent, curieux, parfois impressionnés par la traction. Mais Maya avait appris à ne plus courir après les intérêts faciles. Elle visait des alliances stratégiques qui respecteraient la mission.

Levée de fonds et alliances stratégiques

Les premiers mois après le hackathon furent une course d'équilibriste. Maya et son équipe travaillaient en cycles courts : développement, test, écoute. Les métriques devinrent leur boussole — rétention des équipes, temps moyen pour produire un MVP, et le nombre de sponsors actifs sur GitHub. Ils structurèrent aussi un lead magnet pour capter des leads qualifiés : un guide pratique intitulé « Obtenir son premier seed round ». Ce guide était honnête, granular, et chargé de checklists actionnables : comment structurer un deck, quels KPI démontrer, comment choisir les investisseurs qui comprennent la mission, et des exemples concrets de termes à éviter.

Envoyer ce guide aux bonnes personnes fonctionna mieux que les cold emails classiques. Il montrait un savoir-faire, une générosité intellectuelle, et une maîtrise du parcours entrepreneurial. Parmi les lecteurs, un investisseur se distingua — un VC connu pour soutenir des initiatives qui favorisent la diversité dans la tech. Il n'était pas seulement sensible aux données, il était sensible aux personnes. La conversation démarra autour des métriques, mais se prolongea sur les valeurs, l'équipe, et la résilience.

La levée de fonds qui s'ensuivit fut mesurée. Ce n'était pas une série de promesses extravagantes, mais un seed round raisonnable, suffisant pour embaucher des ingénieurs, sécuriser l'infrastructure, et financer le marketing produit. L'investisseur ne s'attendait pas à une croissance fulgurante du jour au lendemain : il voulait une équipe solide, un produit qui apprend, et une gouvernance claire.

Parallèlement, Maya noua des alliances stratégiques : partenariats avec des universités pour intégrer le produit dans des cursus, collaborations avec des organismes de mentorat pour femmes dev, et un accord discret avec une plateforme d'apprentissage pour proposer une mini-formation liée au produit. Ces alliances n'étaient pas de simples logos à ajouter sur un pitch deck ; elles étaient des canaux d'usage et de feedback.

Le modèle économique prit forme : une offre freemium qui permettait aux petites équipes de commencer gratuitement, et une offre entreprise avec intégrations avancées pour les structures ayant besoin d'échelle. Mais la monétisation resta fidèle à la philosophie : pas de dark patterns, pas d'addiction, juste des prix transparents et une valeur claire.

Pendant cette période, Maya eut ce réflexe de transmission qui lui était familier : elle documenta. Elle rédigea des posts honnêtes sur les échecs, les pivots, et les moments de doute. Elle inclut parfois une mention subtile — sans forcer — d'une ressource qui avait survécu à son scepticisme : la formation « Pitch like a Pro » (Udemy) qui lui avait appris à structurer, à humaniser et à clarifier ses pitchs. Ces éléments, publiés au bon moment, attirèrent non seulement des utilisateurs mais aussi des collaborateurs potentiels.

Enfin, avec les fonds et les alliances, l'équipe put structurer un laboratoire produit dédié à l'IA éthique. Ils recrutèrent des profils divers : ingénieures en sécurité, designers inclusifs, et un responsable des communautés open source. Ce mix permit d'accélérer le développement tout en gardant l'âme du projet : créer des outils qui servent les gens plutôt que des KPI abstraits.

Croissance et premiers clients

L'adoption organique commença par des petites communautés. Une agence de communication tech utilisa le produit pour accélérer ses prototypes ; une équipe de produit dans une grande entreprise l'intégra comme environnement de test. Les cas d'usage se multiplicaient : réduction du temps de mise en production, meilleure documentation des décisions, et une onboarding qui diminuait le turn-over des Juniors.

L'un des premiers grands clients fut une direction IT d'une entreprise bien établie, séduite par la manière dont l'outil facilitait la collaboration entre équipes distantes. Le retour fut net : les développeurs y trouvaient un confort de travail, les managers y trouvaient une visibilité, et la qualité des livrables augmentait. Ces retours devinrent autant de preuves sociales à afficher : études de cas, témoignages techniques, chiffres concrets sur les gains de productivité.

Maya sut faire une chose essentielle : elle ne sacrifia pas la relation humaine au profit d'une croissance frénétique. Les clients étaient accompagnés, les intégrations se faisaient main dans la main, et l'équipe continuait d'écouter, souvent par téléphone, parfois sur Slack tard le soir. Cette proximité fit une autre différence : quand un bug critique survint, la confiance accumulée permit une réponse rapide et moins dramatique que si le lien n'avait pas existé.

Le marketing restait discret mais efficace. Au lieu de publicités agressives, l'équipe privilégiait des contenus techniques de qualité, des webinars, et des ateliers dans des meetups. Les mots-clés SEO ciblés — « innovation tech », « femme fondatrice startup », « scale up tech » — étaient intégrés naturellement dans des articles utiles plutôt que répétés comme des slogans. Cette stratégie attira non seulement des décideurs mais aussi des talents.

La croissance resta saine : un mix d'utilisateurs gratuits actifs, de sponsors GitHub, et de contrats B2B. Les revenus permettaient d'améliorer les infrastructures, d'embaucher, et de planifier une version 2.0 ambitieuse, tout en préservant la culture d'open source et d'inclusion qui avait fait la marque du produit.

Crise de confiance

Puis vint l'orage. Un bug critique éclata — une interaction entre l'IA de suggestion et un module d'intégration provoqua une fuite d'états temporaires qui corrompait certains workflows dans des environnements spécifiques. Ce bug, rare mais sérieux, toucha un client important. Les logs révélèrent l'étendue ; la communauté réagit avec inquiétude.

En parallèle, un associé historique, un cofondateur technique qui avait participé aux premiers prototypes, décida de partir. Les raisons furent personnelles et professionnelles : fatigue, divergent visions, opportunités ailleurs. Sa décision surprit l'équipe et la pressa d'une double peine : travailler sur le bug tout en réorganisant la charge technique.

Maya ressentit la pression comme une masse. Les nuits furent courtes, les cafés plus amers, et les doutes plus bruyants. « Et si j'avais mal choisi ? » se demandait-elle, non pas pour des raisons d'ego, mais parce que les personnes qui avaient cru en elle comptaient sur la continuité. Les investisseurs posèrent des questions, certains clients demandèrent des garanties supplémentaires.

Pourtant, c'est souvent dans ces compressions que l'essentiel se révèle. Maya reprit les choses depuis le début : post-mortem transparent, la publication d'un rapport technique clair, une roadmap corrective, et surtout la réassurance directe aux clients impactés. Elle déclencha un audit externe, ouvrit les issues sur GitHub pour que la communauté voie les actions, et multiplia les communications honnêtes. Cette transparence calma une partie de la tempête.

La démission du cofondateur fut gérée avec humanité. Ils firent une séance où chacun put exprimer son ressenti, et Maya s'assura que son départ ne soit pas un drame mais une transition. Elle remania l'équipe technique, recruta une ingénieure spécialisée en résilience système, et accepta que la startup n'était pas une course solitaire mais un collectif fragile.

Ce passage difficile testa la résilience de Maya. Elle découvrit que diriger une startup ne signifie pas être infaillible ; cela signifie accepter la vulnérabilité, montrer la route, et rétablir la confiance par l'action. Peu à peu, avec correctifs, audits, et une communication transparente, l'écosystème se calma. Le produit était réparé. La confiance se rebâtit, pierre après pierre.

Renaissance et succès planétaire

La version 2.0 fut conçue comme une réponse non seulement technique mais culturelle. L'équipe intégra des standards de sécurité plus stricts, des tests de robustesse supplémentaires, et refonda la partie IA pour qu'elle soit explicable et traçable. Mais au-delà du code, ils ajoutèrent des fonctionnalités nées des retours : templates pour l'onboarding inclusif, outils de mentorat intégrés, et un dashboard de diversité technique permettant aux équipes de mesurer l'inclusion dans leurs contributions.

Le lancement de la 2.0 fut orchestré sans fanfare excessive : une série de webinars, des cas d'usage détaillés, et surtout, des témoignages d'équipes qui avaient survécu — et grandi — pendant la crise. Peu à peu, l'adoption s'accéléra. Des startups, des ONG tech, et des départements R&D de grandes entreprises commencèrent à déployer l'outil. L'open source continua d'être un moteur : des mainteneurs du monde entier contribuaient, et GitHub Sponsors ajoutait une couche de soutien financier et symbolique.

On parla du produit dans des médias techniques, non pas parce qu'il était le plus spectaculaire, mais parce qu'il représentait une manière différente de concevoir la tech : centrée sur la collaboration, sur la diversité, et sur la responsabilité. Les mots-clés « scale up tech » apparurent naturellement dans des articles qui décrivaient la trajectoire de la startup de Maya : d'un hackathon à une adoption internationale.

Le succès planétaire fut progressif, pas instantané. Il se construisit sur la qualité du produit, la confiance des communautés, et la persévérance. Maya se retrouvait à donner des conférences, à participer à des panels sur l'innovation tech et la création inclusive, et parfois à rappeler, sans dramatisation, les étapes concrètes d'un parcours qui n'était pas linéaire. Elle rédigea également un court lead magnet supplémentaire, des templates de pitch et une série d'articles pratiques pour aider d'autres femmes fondatrices.

Ce succès permit d'élargir la mission. Avec un modèle économique stabilisé, l'équipe lança des bourses pour contributrices open source, des subventions pour projets éducatifs locaux, et amorça des partenariats avec des bootcamps féminins. L'impact n'était pas seulement financier ; il redonnait confiance à des personnes qui, autrement, n'auraient pas cru possible leur place dans la tech.

Épilogue : transmettre le code

Maya se souvint souvent de la petite fille qui avait regardé l'écran et senti la promesse. Elle savait que tout avait commencé avec une curiosité simple : comprendre et améliorer. À présent, à la tête d'une entreprise devenue un repère pour des milliers d'équipes, elle ressentait le besoin impérieux de transmettre.

Elle créa un programme de mentorat pour femmes dev, une initiative pratique et généreuse qui proposait des binômes mentor·ée, des ateliers techniques, et des sessions de soft-skills comme le pitch, la négociation et la gouvernance de produit. Le programme comportait aussi des ressources partenaires — des micro-cours en ligne et une sélection de formations recommandées, dont des modules structurés semblables à ceux qu'elle avait trouvés utiles (mention discrète : des cours comme « Pitch like a Pro » sur certaines plateformes d'apprentissage avaient aidé des mentorées à gagner en clarté). Mais l'accent n'était jamais mis sur l'affiliation commerciale : ces ressources étaient proposées comme des outils, pas comme une fin.

Le programme proposait aussi un pont vers l'open source : chaque mentorée pouvait recevoir une petite bourse, intégrée via GitHub Sponsors, pour travailler sur un projet réel. Maya voulait que l'apprentissage soit concret — coder pour des vrais cas, penser la collaboration, et recevoir un feedback public. Elle organisa des rencontres trimestrielles, des hackathons féminins, et des sessions de parrainage d'entreprises prêtes à embaucher.

Pour Maya, transmettre le code c'était transmettre une manière de voir : la tech comme langage pour résoudre des problèmes humains, la startup comme lieu d'apprentissage permanent, et l'échec comme matière première de la résilience. Elle encouragea ses mentorées à écrire, à documenter leurs apprentissages, et à partager leurs petites victoires. « Ramène toujours quelqu'un avec toi sur la passerelle, » disait-elle, utilisant la métaphore d'un pont parce que les ponts se construisent à plusieurs.

Les retours du programme furent riches : nouvelles carrières, contributions open source, et — pour Maya — la confirmation que la valeur d'une entreprise dépasse ses chiffres. Elle recevait parfois des messages simples et touchants : une ancienne mentorée qui obtenait son premier job en tech ; une jeune développeuse qui lançait son premier projet ; une équipe qui réussissait à intégrer des pratiques inclusives.

Dans ses rares moments de calme, Maya aimait ouvrir son premier carnet de notes — celui où, petite, elle avait griffonné ses premières idées. Elle souriait en voyant combien la route avait été sinueuse et belle. Elle comprit que l'ambition ne s'accompagne pas toujours d'éclat médiatique ; parfois elle consiste à tenir la barre quand la mer se déchaîne, et à former les mains qui t'aideront à tenir à leur tour.

La dernière image de l'histoire n'est pas une coupe de champagne sous un néon, mais un atelier matinal : une dizaine de femmes assises autour d'une table, écrans ouverts, cafés chauds, et rires qui couvrent les doutes. Maya se lève, regarde la pièce, et dit d'une voix claire : « Code, fais-le bien — mais n'oublie jamais pourquoi tu le fais. » Puis elle retourne à son écran, comme la petite fille d'autrefois, avec cette même curiosité intacte, prête à écrire la prochaine ligne.